#машинное обучение

Загрязнение морских акваторий признано проблемой мирового масштаба, и для ее решения необходимо вести его постоянный мониторинг. Непосредственное обнаружение мусора осложняется большим его разнообразием и степенью деградации, а также частичным погружением и визуальным слиянием с водной поверхностью. В последнее десятилетие в этой области наметился значительный прогресс за счет обработки данных с помощью машинного метода глубокого обучения. Научная группа ученых из МФТИ и Института океанологии имени П. П. Ширшова РАН проанализировала достижения и перспективы применения искусственного интеллекта для улучшения методов обнаружения и классификации мусора.

Ученые из Сколтеха и МФТИ при помощи машинного обучения заметно ускорили поиск кандидатов металлических сплавов, из которых экспериментаторы отбирают материалы для ракетостроения и других высокотехнологичных отраслей.

Ученые подтвердили, что поведение проводящего флюида водорода при высоких давлениях подобно плазме. Понимание поведения водорода в критических условиях необходимо для исследований в области термоядерного синтеза, сверхпроводимости и получения представлений об устройстве планет-гигантов.

Методы геопространственного моделирования стали важным инструментом экологического мониторинга — с его помощью управляют рисками для окружающей среды и отслеживают угрозы стихийных бедствий. Все большее применение в геопространственных исследованиях находит машинное обучение. Исследователи публикуют множество статей, в которых сообщают об улучшении моделей, решении фундаментальных задач и новых подходах, в том числе в естественных науках. Однако часто такие публикации страдают от методологических ошибок в основном из-за ограничений, присущих машинному обучению. Группа ученых из Сколтеха и Института AIRI провела анализ научной литературы, выявив типичные проблемы и предлагаемые решения.

Исследователи из международной студенческой некоммерческой организации App-In Club (США) сконструировали экономичную роботизированную систему, способную воспроизводить человеческий почерк. Такая машина может автоматизировать создание рукописных документов — писем, юридических бумаг, текстов, художественных визуализаций — в режиме реального времени.

Ученые из России, в числе которых два выпускника НИУ ВШЭ, опровергли известную в математике гипотезу, которая, хотя и не имела убедительного доказательства, считалась верной на протяжении 40 лет.

Профессор Сколтеха Евгений Бурнаев руководит в институте Центром искусственного интеллекта и считает, что ИИ должен стать сквозной трансформационной технологией для всех областей науки и промышленности. Воплощая эту концепцию, Евгений уже сотрудничал с медиками, нефтяниками, банкирами, киберспортсменами и МЧС и поработал над самолетом, гоночной машиной и музейными экспонатами, а теперь задумался о строительных объектах. Нам он рассказывает о том, как, попав в область ИИ со стороны теории вероятностей, начал прикладную работу в инженерном проектировании и пришел к своему главному на сегодня научному интересу — мультиагентному инженерному искусственному интеллекту. Чем он отличается от обычного ИИ в проектировании и как Евгений смотрит на сгенерированный контент, кибермошенников, голосовых помощников и инновации в спорте с позиции потребителя, вы узнаете из этого интервью.

Исследователи из России вместе с их американским коллегой предложили новый, полностью децентрализованный алгоритм оптимизации. Он позволяет эффективно решать различные задачи, работая без центрального сервера и автоматически настраиваясь без предварительной настройки параметров.

Сфера права сталкивается с необходимостью мгновенного и точного анализа множества правовых документов, судебных решений и законодательных актов. Традиционные методы анализа часто оказывались недостаточно эффективными, что в свою очередь подчеркивает потребность в современных технологических решениях. В частности, метод TF-IDF, используемый в качестве основы для построения дерева решений, представляет собой эффективный инструмент для выделения ключевых слов и понятий. Его и предложили применять ученые МТУСИ для анализа юридических текстов.

Международная команда ученых совершила прорыв в области распределенного машинного обучения, разработав новые алгоритмы, значительно повышающие эффективность обучения моделей в федеративных сетях. Исследование, проведенное группой, куда вошли специалисты МФТИ, представляет собой значительный шаг вперед в решении проблемы высокой вычислительной сложности обучения больших моделей в распределенных системах.

Трудно ли создать машинный сверхинтеллект? Поможет ли ИИ перейти к новому технологическому укладу? И как обучать искусственный разум на малом количестве примеров? Какие сложности возникают при взаимодействии с умными роботами, обсудили с директором центра когнитивного моделирования МФТИ, руководителем научной группы «Нейросимвольная интеграция» в Институте искусственного интеллекта AIRI Александром Пановым.

В рамках совместной работы физики из Китая и России обучили графовую нейронную сеть поиску кристаллов с высоким показателем двулучепреломления. Разработанный подход позволит ускорить поиск новых материалов с заданными оптическим свойствами.

Генеральный директор Института искусственного интеллекта AIRI, профессор РАН Иван Оселедец — о семье, математике и о том, что ждет область искусственного интеллекта в самом ближайшем будущем

Исследователи из НИУ ВШЭ разработали модель машинного обучения, которая предсказывает риск развития осложнений у пациентов, перенесших инфаркт миокарда. В модели впервые учли генетические данные, что позволило точнее оценить риск долгосрочных осложнений.

Плоскоклеточный рак головы и шеи входит в десятку наиболее распространенных и агрессивных видов онкологических заболеваний — пятилетняя выживаемость пациентов составляет 50-67 процентов. Недавно международная исследовательская группа выяснила, как раковые клетки при этой плоскоклеточной карциноме взаимодействуют с окружающей их средой. Открытие может помочь в диагностике и лечении онкопатологии.

Титановые сплавы широко используют в аэрокосмической, медицинской и автомобильной промышленности из-за высокой прочности, малого веса и устойчивости к коррозии. Однако нехватка экспериментальных данных создает трудности с прогнозированием их характеристик, что замедляет и ухудшает производство. Ученые Пермского Политеха разработали программу для нейросетей, которая с высокой точностью предсказывает показатель шероховатости поверхности сплава. От него зависит износ детали при трении с другими механизмами или поверхностью, а также противостояние коррозии.

Ученые МТУСИ проанализировали возможности интеграции предложенной ими модели в систему защиты веб-приложений. Внедрение автоматизированных инструментов для обнаружения потенциально фишинговых URL-адресов на ранних стадиях их проникновения в сеть поможет существенно снизить риски для пользователей и организаций.

Хроническое повышенное кровяное давление оказалось возможно определить без тонометра и других привычных инструментов. Алгоритм, который анализирует аудиозаписи человеческого голоса и распознает в них биомаркеры гипертонии, разработали в Канаде.

Исследователи Центра ИИ НИУ ВШЭ, AIRI и Бременского университета разработали новый метод редактирования изображений на основе глубинного обучения — StyleFeatureEditor. Он позволяет точно воссоздавать мельчайшие детали изображения и сохранять их при редактировании. С его помощью пользователи смогут изменять цвет волос или выражение лица без потери качества изображения.

Коллектив ЮФУ разработал инновационную микрофлюидную систему, способную работать под высоким давлением и контролировать состояние катализатора и продукты с помощью спектральных методов. Эта инновационная разработка открывает новые возможности для более быстрого и эффективного синтеза материалов, используемых в клеях, высокоэффективных пластмассах, растворителях и моющих средствах.